INF421 - Amphi 1 Stable Mariage

0. 课程介绍：

课程：

• Short Amphi (必须去): Monday at 15:15，课程简介+Q&A，declare this in Moodle
• 2nd Q&A (Optional): Monday at 21:30 所有的问题都可以问
• Regular PC (Mandatory): 周二早上，建议周一下午就开始思考

Progamming Project (PI)：

• ~ 20h ~ 500行的代码，Report，Defense （10min pre + 10min Q&A）
• 在12月6日之前和Binome选择题目，在2021年2月7日停止上传Code。

Exam:

1. 双语考试，回答甚至可以混合在一起。

课程目标:

• 经典算法
• 算法设计技巧：Devide-and-conquer, dynamic programming, greedy algorithms
• algs paradigms: Algorithmic game theory, approximation algorithms, randomized algorithms, heuristics

1. The Stable Marriage Problem

问题描述:

• n men, n women
• 每个人都有自己心中的对n个异性的偏好顺序
• 目的：找到Stable Marriage，即没有一个男人或者女人可以通过和其他人再形成新的couple来改进他们处境。

Formal Definition:

记号：

• 一个集合G(n man)，一个集合F(n women)
• 每一个男人g都有一个对于女人的ordre of preference (linear order)，我们记$f_1{>}_g{f}_2$表示男人g更喜欢女人$f_1$。
• 同理，每一个女人f都对于G有一个linear order，记为${>}_f$

目的：

• Matching：找到$M$使得每一个g和f都最多在M中出现一次，即没有重婚(bigamy)。
• Perfect Matching：每个男人和女人都只在Pair中恰好出现1次。
• Stable Matching：找到一个Perfect matching M使得
  $$\forall (g,f)\in M\forall (g^{\prime },f^{\prime })\in M:\neg ((f^{\prime }{>}_{g}f)\wedge (g{>}_{f^{\prime }}{g}^{\prime }))$$
  即，不可能出现g更喜欢跟f’在一起，f’更喜欢跟g再一起。

2.找到一个算法的步骤：

待解决问题是一个已知问题(Known Problem)的另一种表述(Reformulation)

例子：

• Selection Problem: 给定一个int a[n]，寻找a中第k大的数字。
  • Sol: 这个问题可以看作是一个排序问题的子问题，即，将a从大到小排，a[k-1]即可。

利用Generic Algorithm Design Principles

• Devide and conquer
• Dynamic Programming
• Greedy Algorithms

看看简单的例子

例如，在Stable Marraige中，我们可以考虑所有的男人和女人都有相同的Prefereces。
此时，第k个最受欢迎的人相互结婚。
此时我们注意到，我们研究的问题有Unique Solution。

Deeper Understanding of the Problem

• 是否一直存在一个Unique Solution？
• 并不，在n=2的时候：
  

只要有一方不同意，且为另一方最优，则就是最优Match

🌟 Ordered Iterative Improvement: Deferred Acceptance Algorithm

Deferred Acceptance Algorithm (Gale, Shapley, 1962):

• 开始：所有的人都是Single
• while 还有一个single的男人 g:
  • 令f是对g来说最优美丽的女人，f要是single或者她与另外一个不如g有魅力的男人订婚了
  • 如果f和g‘结婚了，则他们需要分手
  • 让f和g结婚

Rq:

1. Greedy Approach: g得到了最优吸引力的女人
2. Ordered Progress: 每次都为一个Single的男人找到他的一个伴侣
   • 希望能避免Cycles

3. 对于算法的描述

定义：

An algorithm is not a computer program. It’s a sufficiently precise description how to compute a desired object.

我们有很多种描述算法的方法：

1. Plain Text
2. Pseudo Code
3. Code in some programming language
4. diagrams, flow charts (现在不太用了)

Textual Description

例如，对于Stable Mariage问题：

Starting with all people being single, we repeat marrying unmarried men to the most attractive woman willing to marry them, until everyone is married.

Rough Pseudocode

• 开始：所有的人都是Single
• while 还有一个single的男人 g:
  • 令f是对g来说最优美丽的女人，f要是single或者她与另外一个不如g有魅力的男人订婚了
  • 如果f和g‘结婚了，则他们需要分手
  • 让f和g结婚

有while和if

4. 分析Deffered Acceptance Algorithms

要考虑的问题：

1. Algorithm是否可以结束？
2. Algorithm是否正确？
3. Complexity
4. Can we say more about its output than just being stable ?

是否所有的操作都会被执行？

是的。这里我们主要考虑两点：

1. The choice of g is ambiguous, but we agreed that unspecified details can be specified arbitrarily
2. 是否存在一个f满足我们第三行的条件：（如果不存在，就无法执行了）
   • 是的，因为我们每次都是一对夫妇进行结婚，而且进入while循环的时候，我们就已经知道有一个单身男士了，所以一定存在一个单身女士，所以第三行可以被执行。

🌟 怎么分析算法？-> Invariants

方法一：
$M_t$记为算法进行t次之后的值。
方法二：
证明存在一个性质它一直成立，与时间t无关。

证明算法会结束

Invariant 1: Women Improve Overtime

证明每一个女人的情况会随着时间而改善。
即: single -> some guy -> better guy -> … -> final partner

Dem:

• 首先，女人的情况只在有新的男人g问她的情况下才改变（第三行），而她要改变伴侣只可能处于(1)她没有伴侣(2)她的现任伴侣g’要比g对她来说更没吸引力。
• 因此，我们证明了一个女人的情况会随着时间而改善。

Invariant 2: Each man asks each women at most once

证明：每一个男人最多只会问同一个女人一次。[这里的问就是有把握他自己更优]

Dem:

• 当男人g第一次问f的时候，他们将会结婚(engage)
• 男人g要第二次问f，则他们(g和f)一定要先分手，则此时f一定和一个比g更优秀的男人g’在一起。
• 此时，如果g是single进入循环的话，g不会再找f，因为f现任伴侣g’比g更优秀(Invariant 1)。

Lemma 1:The GS-Algorithm terminates after at most $n^2$ iterations of the while-loop.

证明了算法会在最多$n^2$次循环后结束(Terminate)。

Dem:
由Invariant 2知道，n个男人中的每一个男人g，最多问n个女人中每一个女人1次，因此最多需要$n^2$次iterations才会停止。

算法正确：

Invariant 3: 对于任何一个Pair存在一个Matching [🌟Classic Loop Invariant]

Dem:

1. 进入循环的时候，Invariant 3成立，因为每个人都是single的
2. 假设进入循环后的第一行，Invariant 3 成立。
3. Invariant在循环结束的时候依旧成立，因为(1)新的couple(g,f)新形成了，（2）g现在是单身，（3）f将之前的partners都踢掉了。因此在循环结束的时候，Invariant 3依旧成立。

再结合Lemma 1，我们就可以知道，存在一个Perfect Matching。

Invariant 4: 如果f和g结婚了，则对于g更有吸引力的女生f’都跟相对于她们比g更有吸引力的男生g’结婚了

If g and f are engaged, then all women f’ more attractive for g than f are engaged to a man they find more attractive than g.

Dem:

1. 考虑$f^{\prime }\in F,f^{\prime }{>}_{g}f$
2. 如果f和g结婚了，则g’一定和f’结婚了，f’满足$f^{\prime }{>}_{g}f$。否则，根据算法，g一定会和f’结婚。
3. 根据Invariant 1，f‘之后的伴侣一定质量越来越高，因此不可能给g再有机会。

证明算法terminates with a stable matching

Dem:

1. 鉴于我们证明了Perfect Matching，所以只要证Stable即可。
2. 假设(g,f),(g’,f’)已经engaged，如果g更喜欢f’，则$f^{\prime }{>}_g^{\prime }f$(Invariant 4)，因此形成(g,f’)不好，因为f’不愿意。

改进

Invariant 2+: The women asked by a man g over time are sorted in decreasing order of preference

否则为了寻找g的伴侣，需要循环所有列表F，找到一个单身或者伴侣质量没有g好的女人f。

Dem:

1. 设f1,f2两个被g 按此顺序asked女人。要么是f1更吸引g，要么是f2已经和一个比g更好的人结婚了。此外，由Invariant 1知道，f2的伴侣只可能越来越好，所以排除了g还会找f2的可能。

Pseudocode

Rq:
这个算法会给所有的男人最优的女人，而给女人最差的男人。

🌟 Invariants vs. Temporal Properties

True Invariants: Static assertion valid throughout the execution of the algorithm

• 因为是static，所以可以在任意时刻来检查。
• 证明技巧：(Loop Invariant)
  • Show: Assertion true when the loop is first entered
  • Show: if the assertion is true at the beginning of the loop, then also at the end.
  • Gives: Assertion always true.

Temporal Properties: “dynamic” assertion on the whole process

• 例如：“Each women’s situation only improves over time”
• 因为是Dynamic的，所以必须在整个过程的意义下考虑
• 可以变成一个Static的Assertion（见Poly❓）

5. Algorithmic Game Theory

Algorithmic Game Theory = Problems that have both an algorithmic and a game theoretic flavor.

Game 定义：

• n players:
• Each player has differernt ways to act (“strategies”):
• The Players simultaneously choose a strategy.
• Depending on all strategies chosen, each player receives a pay-off.
• Selfish behavoir: players try to optimize their pay-off.

Nash-equilibrium:

一系列Strategies: 单个Player无法单方面改变策略提高他的pay-off Stable Situation.

Maximum Matchings: Classic Algorithmics v.s. Game Theory

如果使用传统意义上使得权重和最大，我们得到的解的和是200，但这个解并不是Stable的，所以Game Theory改变了什么是Good Solution的定义。

1. Price of Anarchy

Price of Anarchy:
最优的值处以最差的nash均衡的值。

例如，在上面的例子中，我们最优的值为100+100=200。但是Nash均衡的时候，值为101+1=102。$\text{Price of Anarchy}\sim 2$

2. Truthfulness

An algorithm is truthful if no player has an incentive to lie. [lie之后有可能会让一个解变成Social Optmum]

例子1：Classic sealed-bid auction: 出价最高的人赢

Classic sealed-bid auction: 出价最高的人赢，他付他出的钱。
此时并不是Truthful

如果你按照你估计值的原价拍卖(truthful)，无论你是否赢，你都不会得到Payoff。
因此，你会采取另一种对你更优的策略：比心中价格出得更低一些。(not truthful)。

例子2：Vickrey Auctions
出价最高的人赢，他付第二高bid的人出的钱。
此时是一个truthful的auction。

3. Braess’s Paradox

证明一个selfish behavoir leads to unexpecred results.
这里的x意味着，如果只有50个人选这条路，则他们所需要用的时间就是50。

总结：

我们如果单纯的运用数学上对于最优的定义，我们的解可能会在实际上因为人们的自私行为等因素导致Price of Anarchy, Truthfulness和Braess’s Paradox。